Harness is the New Dataset：模型智能提升的下一个关键方向

2025年11月Claude Opus 4.5的发布，标志着模型agentic能力到了一个关键转折点。业界开始意识到，“用好模型的能力”开始比“提高模型的能力”更加重要。智力本身不再是瓶颈，瓶颈转移到了系统层。这一变化催生了Harness Engineering概念——它关注的是如何构建让模型真正发挥作用的完整外围系统。

Harness的六大关键组件

从时间线来看，AI工程方法经历了三次重要演进。Prompt Engineering（2022-2024）关注如何表达需求，研究怎么提问、添加身份和场景细节；Context Engineering（2025）关注如何提供恰到好处的信息，解决上下文获取、压缩和组织问题；而Harness Engineering（2026）则关注系统构建，包括运行环境、工具调用、记忆系统、评估与回退机制等。如果用一句话定义：Agent = LLM + Harness，模型决定要做什么，Harness决定模型能看到什么、能用什么工具，以及失败时该怎么办。

设计原则：信息层、执行层与反馈层

综合一线团队的实践经验，Harness大致包括六个核心组件：记忆与上下文管理解决“Agent应该看到什么信息”，包括上下文裁剪、压缩和按需检索；工具与技能负责扩展Agent的行动能力；编排与协调负责整体任务流程和分工决策；基础设施与保障提供运行环境、边界条件和失败恢复机制；评估与验证内置测试和反馈机制，让Agent能自我校验；追踪与观测还原行为过程，使黑箱变得透明可见。

模型与Harness的共生关系

信息层的核心原则是“精准比求全更重要”。渐进式披露是常见做法——将信息做成分层加载系统，让模型在不同阶段只接触当下需要的部分。工具设计则应遵循“越少而精越好”的原则，过多的工具反而会导致决策瘫痪。此外，业界发现存在Context window利用率的“甜蜜区间”，超过这个区间后性能会下降，因此很多工程师会将利用率控制在60%以下。执行层则强调将研究、计划、执行、验证分开处理，而非期待一气呵成。

创业机会与未来展望

理解“训练即部署”就能理解Harness的独特价值。在agentic RL的训练逻辑中，模型和Harness从一开始就不是分开设计的。模型在训练阶段看到什么，往往就是上线后真正要面对的。Harness创造的价值同时也在被源源不断输送进模型本身——很多原本属于Harness的能力已被模型逐渐内生化，如tool search、programmatic tool use等。这形成了一个良性循环：前端摸索出有效方法→训练团队将这些模式做post-training→模型开始内化这些能力→新的Harness被设计出来支持新的模型能力。

如有侵权，请联系删除。